مهندسی پرامپت چیست؟

مهندسی پرامپت (Prompt Engineering) به عنوان یک روش مورد استفاده در حوزه‌ی پردازش زبان طبیعی، به دست آوردن خروجی دقیق و مطلوب از مدل‌های زبانی برای وظایف مشخصی مانند پرسش و پاسخ، ترجمه، خلاصه‌سازی و … اطلاق می‌شود. در نتیجه مهندسی پرامپت یا Prompt engineering یک مفهوم در هوش مصنوعی، به خصوص پردازش زبان طبیعی است.

در مهندسی پرامپت، توصیف کاری که هوش مصنوعی باید انجام دهد در ورودی مدل جای داده میشود، مثلا به صورت یک پرسش به جای تعریف صریح صورت مساله برای الگوریتم. مثلا اگر شما یک مدل ترجمه ماشینی بنویسید، این مدل صریحا کاری که باید بکند یعنی ترجمه کردن را میداند، اما در مقابل ممکن است شما یک چت بات بنویسید و ازش در سوال بخواهید فلان متن را ترجمه کند، این یک پرامپت است!

معمولاً مهندسی پرامپت با تبدیل یک یا چند وظیفه به مجموعه داده‌های پرامپت و آموزش یک مدل زبانی با استفاده از یادگیری مبتنی بر پرامپت یا فقط “یادگیری پرامپت” انجام می‌شود.

تاریخچه مهندس پرامپت

در سال‌های اولیه پژوهش‌های پردازش زبان طبیعی، مدل‌های زبانی برای انجام وظایف خاص آموزش داده می‌شدند. با پیشرفت تکنولوژی و روش‌های آموزش مدل‌های زبانی، اما مشخص شد که می‌توان با اعمال پرامپت‌های مناسب و جملات شروعی مشخص به مدل، عملکرد آن را بهبود بخشید.

مدل های زبانی GPT-2 و GPT-3 گام های مهمی در مهندسی پرامپت بودند. در سال ۲۰۱۸، مدل GPT-2 که توسط شرکت OpenAI معرفی شده بود، با توانایی تولید متن‌هایی به طول چندین پاراگراف، نشان داد که می‌توان با اعمال پرامپت‌های مناسب به آن، متن‌هایی با کیفیت بالا و قابل قبول تولید کرد. سپس با معرفی مدل GPT-3 در سال ۲۰۲۰، استفاده از پرامپت‌های چندگانه و مجموعه داده‌های مختلف برای بهبود عملکرد مدل به عنوان یک روش اصلی در مهندسی پرامپت مورد استفاده قرار گرفت.

امروزه، مهندسی پرامپت به عنوان یکی از روش‌های اصلی در حوزه‌ی پردازش زبان طبیعی شناخته می‌شود و در تولید برنامه‌های کاربردی و سامانه‌های هوشمند، مورد استفاده قرار می‌گیرد.

این مطلب به ChatGPT مرتبط است و همچنین اگر دوست دارید مهندسی پرامپت را بیاموزید، دوره آموزشی مهندسی پرامپت را توصیه میکنم.